論文の概要: Wavelet Enhanced Adaptive Frequency Filter for Sequential Recommendation
- arxiv url: http://arxiv.org/abs/2511.07028v1
- Date: Mon, 10 Nov 2025 12:22:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-11 21:18:45.23675
- Title: Wavelet Enhanced Adaptive Frequency Filter for Sequential Recommendation
- Title（参考訳）: 逐次レコメンデーションのためのウェーブレット拡張適応周波数フィルタ
- Authors: Huayang Xu, Huanhuan Yuan, Guanfeng Liu, Junhua Fang, Lei Zhao, Pengpeng Zhao,
- Abstract要約: 逐次レコメンデーションのためのウェーブレット拡張適応周波数フィルタという新しい手法を提案する。
動的周波数領域フィルタリングとウェーブレット機能強化の2つの重要なモジュールで構成されている。
- 参考スコア（独自算出の注目度）: 9.48001653858777
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sequential recommendation has garnered significant attention for its ability to capture dynamic preferences by mining users' historical interaction data. Given that users' complex and intertwined periodic preferences are difficult to disentangle in the time domain, recent research is exploring frequency domain analysis to identify these hidden patterns. However, current frequency-domain-based methods suffer from two key limitations: (i) They primarily employ static filters with fixed characteristics, overlooking the personalized nature of behavioral patterns; (ii) While the global discrete Fourier transform excels at modeling long-range dependencies, it can blur non-stationary signals and short-term fluctuations. To overcome these limitations, we propose a novel method called Wavelet Enhanced Adaptive Frequency Filter for Sequential Recommendation. Specifically, it consists of two vital modules: dynamic frequency-domain filtering and wavelet feature enhancement. The former is used to dynamically adjust filtering operations based on behavioral sequences to extract personalized global information, and the latter integrates wavelet transform to reconstruct sequences, enhancing blurred non-stationary signals and short-term fluctuations. Finally, these two modules work to achieve comprehensive performance and efficiency optimization in long sequential recommendation scenarios. Extensive experiments on four widely-used benchmark datasets demonstrate the superiority of our work.
- Abstract（参考訳）: ユーザの過去のインタラクションデータをマイニングすることで、動的嗜好を捉える能力について、シークエンシャルレコメンデーションが注目されている。
時間領域において、ユーザの複雑な周期的嗜好が絡み合うことが困難であることを考えると、近年の研究では、これらの隠れパターンを識別するための周波数領域分析が検討されている。
しかし、現在の周波数領域ベースの手法には2つの制限がある。
(i)主に、動作パターンのパーソナライズされた性質を見下ろす固定特性の静的フィルタを用いる。
(II)グローバル離散フーリエ変換は長距離依存のモデル化において優れているが、非定常信号と短期変動を曖昧にすることができる。
これらの制約を克服するため,Wavelet Enhanced Adaptive Frequency Filter for Sequential Recommendationを提案する。
具体的には、動的周波数領域フィルタリングとウェーブレット機能強化の2つの重要なモジュールで構成されている。
前者は行動系列に基づくフィルタリング操作を動的に調整して個人化されたグローバル情報を抽出し、後者はウェーブレット変換を統合してシーケンスを再構築し、ぼやけた非定常信号と短期変動を解消する。
最後に、これらの2つのモジュールは、長いシーケンシャルなレコメンデーションシナリオにおいて、包括的なパフォーマンスと効率の最適化を実現するために機能する。
広く使われている4つのベンチマークデータセットに対する大規模な実験は、我々の研究の優位性を示している。
関連論文リスト
- Exploiting Inter-Session Information with Frequency-enhanced Dual-Path Networks for Sequential Recommendation [13.302194364808512]
本稿では、シーケンシャルレコメンデーションのための周波数拡張デュアルパスネットワークであるFreqRecを提案する。
FreqRecは、学習可能な周波数ドメイン多層パーセプトロンを介して、セッション間およびセッション内動作をキャプチャする。
クロスエントロピーと周波数領域の整合性損失を組み合わせた合成目的の下で最適化されている。
論文 参考訳（メタデータ） (2025-11-09T08:39:26Z) - Preference Trajectory Modeling via Flow Matching for Sequential Recommendation [50.077447974294586]
シーケンスレコメンデーションは、履歴的なインタラクションシーケンスに基づいて、各ユーザの次の項目を予測する。
FlowRecはシンプルだが効果的なシーケンシャルレコメンデーションフレームワークである。
我々は,ガウス雑音に代えてパーソナライズされた行動に基づく事前分布を構築し,ユーザの嗜好軌跡をモデル化するためのベクトル場を学習する。
論文 参考訳（メタデータ） (2025-08-25T02:55:42Z) - MUFFIN: Mixture of User-Adaptive Frequency Filtering for Sequential Recommendation [9.906329579196372]
シーケンシャルレコメンデーションは、シーケンシャルな振る舞いをモデル化することで、ユーザのその後のインタラクションを予測することを目的としている。
本稿では,2つの相補的モジュールを経由した新しい周波数領域モデルを提案する。
実験の結果、MUFFINは5つのベンチマークデータセットで最先端の周波数領域SRモデルより一貫して優れていることが示された。
論文 参考訳（メタデータ） (2025-08-19T09:16:15Z) - Wavelet-Guided Dual-Frequency Encoding for Remote Sensing Change Detection [67.84730634802204]
リモートセンシング画像の変化検出は,自然災害監視,都市拡張追跡,インフラ管理など,さまざまな工学的応用において重要な役割を担っている。
既存のほとんどの手法は空間領域モデリングに依存しており、特徴表現の限られた多様性は微妙な変化領域の検出を妨げる。
本研究では、特にウェーブレット領域における周波数領域の特徴モデリングが周波数成分の微細な違いを増幅し、空間領域において捉えにくいエッジ変化の知覚を高めることを観察する。
論文 参考訳（メタデータ） (2025-08-07T11:14:16Z) - Filtering with Time-frequency Analysis: An Adaptive and Lightweight Model for Sequential Recommender Systems Based on Discrete Wavelet Transform [0.8246494848934447]
ユーザの興味を異なる周波数と時間で複数の信号に分解し、これらの信号の重みを自動的に学習するDWT方式の適応時間周波数フィルタを設計する。
また,適応時間周波数フィルタに基づく逐次レコメンデーションモデルDWTRecを開発した。
実験により,各領域,空間レベル,平均シーケンス長の異なるデータセットにおいて,我々のモデルが最先端のベースラインモデルより優れていることが示された。
論文 参考訳（メタデータ） (2025-03-30T13:28:42Z) - MFRS: A Multi-Frequency Reference Series Approach to Scalable and Accurate Time-Series Forecasting [51.94256702463408]
時系列予測は、周波数の異なる周期特性から導かれる。
マルチ周波数参照系列相関解析に基づく新しい時系列予測手法を提案する。
主要なオープンデータセットと合成データセットの実験は、最先端のパフォーマンスを示している。
論文 参考訳（メタデータ） (2025-03-11T11:40:14Z) - FilterNet: Harnessing Frequency Filters for Time Series Forecasting [34.83702192033196]
FilterNetは、時系列信号の特定の成分を選択的に通過または減衰させることにより、重要な情報的時間パターンを抽出するために、我々の提案した学習可能な周波数フィルタ上に構築されている。
2つのフィルタを備えることで、FilterNetは、時系列文学で広く採用されている線形およびアテンションマッピングを概ねサロゲートすることができる。
論文 参考訳（メタデータ） (2024-11-03T16:20:41Z) - Frequency-Aware Deepfake Detection: Improving Generalizability through
Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。
既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。
本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-03-12T01:28:00Z) - Adaptive Frequency Learning in Two-branch Face Forgery Detection [66.91715092251258]
本稿では、AFDと呼ばれる2分岐検出フレームワークにおいて、周波数情報を適応的に学習する手法を提案する。
我々は、固定周波数変換からネットワークを解放し、データおよびタスク依存の変換層でより良いパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-03-27T14:25:52Z) - Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
ガウス過程回帰に基づく適応型低域通過フィルタを提案する。
本研究では,提案手法の誤差が一様境界であることを示す。
論文 参考訳（メタデータ） (2021-11-05T17:06:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。